NeurIPS

Counterfactual Identifiability via Dynamic Optimal Transport

反事实可识别性 via 动态最优传输

Fabio De Sousa Ribeiro, Ainkaran Santhirasekaram, Ben Glocker

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 本文提出通过连续时间流进行多变量反事实识别，利用动态最优传输工具建立反事实运输映射，确保一致推断，并在受控场景中验证理论，提升反事实声学的鲁棒性。

Comments Accepted at NeurIPS 2025

DART-Eval: A Comprehensive DNA Language Model Evaluation Benchmark on Regulatory DNA

DART-Eval: 一个全面的DNA语言模型评估基准，针对调控DNA

Aman Patel, Arpita Singhal, Austin Wang, Anusri Pampari, Maya Kasowski, Anshul Kundaje

机构 * Department of Computer Science, School of Engineering, Stanford University（计算机科学系，工程学院，斯坦福大学） ； Department of Genetics, School of Medicine, Stanford University（遗传学系，医学院，斯坦福大学） ； Department of Pathology, School of Medicine, Stanford University（病理学系，医学院，斯坦福大学） 纠错

AI总结 本文提出DART-Eval基准，用于评估DNALM在零样本、 probing和微调场景下的性能，针对调控DNA的关键下游任务，发现现有模型表现不一致且计算资源消耗大。

Comments NeurIPS Datasets and Benchmarks 2024